黑暗仿真器:ai预测宇宙的结构,帮助解决暗物质和黑暗能量的奥秘

图片1:在Sloan Digital Sky调查(SDSS)观察到的宇宙中,在宇宙中聚集在宇宙中聚集在一起的方式。黄点代表了史式星系的位置,而橙色循环显示宇宙区域跨越10亿光年。在中心是地球,它周围是不同星系的三维地图。该图像揭示了星系如何在整个宇宙中均匀地展开,以及它们如何聚集在一起,以创建称为长丝的区域,或者在称为空隙的区域中完全不存在。

现在可以在研究人员开发出称为黑暗仿真器的人工智能工具之后的几秒钟内研究了宇宙如何创建其空隙和长丝的起源。

望远镜的进步使研究人员能够更详细地研究宇宙,并建立一个标准的宇宙学模型,同时解释各种观测事实。但是有很多事情研究人员仍然不明白。值得注意的是,大多数宇宙由暗物质和黑能量组成,其中没有人能够识别他们的性质。一个有希望的途径来解决这些谜团是宇宙的结构。今天的宇宙是由星系聚集在一起的长丝,看起来像远离的线程,并且在没有似乎没有的空隙(图像1)。宇宙微波背景的发现已经给了研究人员,宇宙看起来像接近它的开始,并了解它的结构如何发展到今天的结构将揭示关于暗物质和黑暗能量的有价值的特征。

一个研究人员,包括京都大学兖川理论物理研究所副教授Takahiro Nishimichi,以及Kavli宇宙物理和数学研究所(Kavli IPMU)首席调查员Masahiro Takada,使用了世界上最快的天体物理模拟超级计算机Aterui和Aterui II开发黑暗仿真器。在世界上几个最大的观察调查记录的数据上使用仿真器允许研究人员学习有关宇宙结构的起源的可能性,以及暗物质分布如何随着时间的推移而变化。

图片2:黑暗仿真器的概念设计。left:“Aterui II”超级计算机创建的虚拟宇宙的示例。它显示了在今天的卷中包含约10亿颗粒的分布,直到今天进化了约49亿光年。在“aterui II”中使用800 CPU核心需要大约2天。中心:黑暗仿真器的结构。它学习在模拟开始时采用的基本宇宙学参数与其在具有多种统计方法的混合实施的机器学习架构的结果之间的对应关系。在培训之后,该机器现在立即预测预期的观察信号,用于一组新的宇宙学参数,而不运行新的模拟。这使我们可以大大降低从观察数据提取宇宙学参数所需的计算成本。

“我们使用超级计算机建立了一个非常大的数据库,这使我们三年来完成,但现在我们可以在几秒钟内在一台笔记本电脑上重新创建它。我觉得数据科学的潜力很大。使用这一结果,我希望我们能够朝着发现最大的现代物理学的途径,这是揭示黑暗能量。我也普遍开发的这种方法在自然科学或社会科学等其他领域都很有用,“铅作者Nishimichi说。

该工具使用称为机器学习的人工智能的一个方面。通过改变宇宙的几个重要特征,例如暗物质和黑暗能源,aterui和aterui II创造了数百个虚拟宇宙。黑暗仿真器从数据中学习,并猜测新的特征套件的结果,而无需每次创建完全新的模拟。在使用真实寿命调查中测试所得到的工具时,它能够成功地预测超级Suprime-CAM调查中的弱引力镜头效应,以及在斯隆数字天空调查中记录的三维星系分布模式在2到3之间。在几秒钟内,准确性百分比。相比之下,通过没有AI的超级计算机杂皮地运行模拟,需要几天。

研究人员希望使用2020年代即将到来的调查中的数据应用他们的工具,从而深入研究宇宙的起源。

2019年10月8日,他们研究的详细信息在天体物理学期刊上发表。

参考:“黑暗的任务。一,快速准确地模拟Halo聚类统计数据及其在Galaxy Clustering的应用程序“由Takahiro Nishimichi,Masahiro Takada,Ryuichi Takahashi,Ken Osato,Masato Shirasaki,Taira Oogi,Hirlao Miyatake,Masue Oguri,Ryoma Murata,Yosuke Kobayashi和Naoki Yoshida ,2019年10月8日,Astrophysical Journal.doi:
10.3847 / 1538-4357 / AB3719

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。